EuclydのシリーズA資金調達、2億ユーロ超に——ただし試金石はNvidia
Euclydは2億ユーロ超を調達し、元ASML CEOのPeter Wenninkを会長に任命した。これにより、若いチップメーカーは資本と業界における信頼性を得た。
EuclydのシリーズA資金調達は、初のAIコンピューティング・アーキテクチャを商用化しようとしている段階の企業としては異例の規模だ。Samsung、複数の欧州投資家、地域開発基金が、AI推論に必要なコストと電力を削減するという野心的な試みを支援している。
この試みが狙う標的は動き続けている。Nvidiaはチップ、ネットワーキング、ソフトウェア、さらにはデータセンター全体のシステムにわたり、推論性能を向上させている。CerebrasやGroqのような専門企業も、有望なアーキテクチャを実運用サービスへと転換するために長年を費やしてきた。
したがってEuclydは、資金調達だけでは決着しない競争に参入する。同社の中核的な主張は、コンピュート、メモリ、システムを一体的に再構築すれば、推論の経済性を大幅に改善できるというものだ。次の試金石は、製造されたシリコンと独立ベンチマークがその主張を裏付けるかどうかである。
EuclydのシリーズA資金調達が賭けの規模を変える
この資金調達により、Euclydは注目すべきチップ設計プロジェクトから、AI推論プラットフォーム全体の構築を目指す潤沢な資金を持つ取り組みへと変わる。
アイントホーフェンを拠点とする同社は、2026年9月15日に資金調達を発表した。同社の資金調達発表によると、契約済みのシリーズAラウンドは2億ユーロを超える。
Samsung、Somerset Capital Partners、Scaleup Europe Fund、Innovation Industriesが共同でラウンドを主導した。Scaleup Europe FundはEQTが運営している。
ほかの参加者には、デンマーク輸出投資基金、imec.xpand、ブラバント開発公社、Quadriが含まれる。この顔ぶれは、企業、機関、地域の資本を結集している。
Euclydは評価額や、各投資家が拠出した正確な金額を開示していない。また、資金調達と製造上のマイルストーンを結び付ける詳細なスケジュールも示していない。
こうした未開示事項は重要だ。半導体開発は、顧客が量産システムを受け取るはるか前から資本を消費する。設計検証、物理実装、パッケージング、ソフトウェア開発、製造準備のいずれにも専門チームが必要となる。
プロセッサのみを開発する企業であっても、すでにこうした費用に直面する。Euclydは、カスタムプロセッサ、メモリアーキテクチャ、パッケージング、データセンターシステムを含む、より広範なスタックを提案している。
同社は、新たな資本をエンジニアリングの拡充、シリコンロードマップの加速、パートナーシップの深化、複数の顧客カテゴリーへの準備に使うとしている。対象には企業、政府、ハイパースケールAI事業者が含まれる。
これは単に研究予算を増やすだけではない。アーキテクチャ上の主張を物理的な製品へ移行させるための資金調達の試みである。
今回のラウンドは、以前に資金調達目標が公になった後のものでもある。6月、Bloombergは同社が約2億ユーロの調達を目指していると報じた。完了したラウンドは現在、元の記事によればその水準を上回っている。
Peter Wenninkの任命も、もう一つのシグナルとなる。彼は2024年までASMLを率い、半導体業界で最も重要なサプライヤーの一つを長年にわたり経営してきた。
ASMLは先端チップのパターニングに使われるリソグラフィ装置を製造している。この経歴はEuclydが競争力のあるハードウェアを生産できることを保証するものではないが、製造依存性とグローバル顧客に関する経験を取締役会にもたらす。
WenninkはすでにEuclydの投資家兼アドバイザーとして名を連ねていた。会長就任により、同社のガバナンスと戦略的意思決定により近い立場となる。
彼の存在は、欧州の半導体ネットワーク全体におけるEuclydの関係も強化する可能性がある。このネットワークには重要な装置、研究、自動車、設計の能力がある一方、最先端AIプロセッサは依然として他地域に集中している。
EuclydのシリーズA資金調達は、この二つの形態の支援を組み合わせている。同社は現在、多額の資本と、半導体業界の業務上の現実に精通した会長を得ている。
どちらも製品リスクを解消するものではない。ただし、Euclydがそのリスクに向き合うための余地を広げる。
AI推論の効率性がこれほどの資本を集める理由
Euclydが狙うのはAIモデル運用の継続的なコストであり、そこではメモリ移動、利用率、電力が、見出しを飾る計算能力と同じほど重要になり得る。
AIトレーニングでは、大規模データセットを処理し、内部パラメータを調整してモデルを作成する。推論は、学習済みモデルが入力を受け取り、回答、予測、画像、または行動を生成する際に発生する。
この違いがEuclydの機会を形作る。トレーニングは集中的なコンピューティングプロジェクトを伴う一方、成功したAIサービスはユーザーやソフトウェアエージェントのために継続的に推論を実行する。
エージェント型システムは、その需要を増加させる可能性がある。エージェントは、計画の立案、ツールの利用、結果の確認、作業の修正を行う間に、モデルを繰り返し呼び出すことがある。
追加のステップごとにトークンが生成され、データがプロセッサとメモリを移動する。小さな効率差も、多数のユーザーとリクエストに掛け合わせれば大きな意味を持ち得る。
Euclydは、従来のアーキテクチャが「効率性の壁」に直面すると主張している。同社は、電力要件、メモリ帯域幅、設備投資、システムの複雑さを相互に関連する制約として挙げる。
メモリ帯域幅とは、データがメモリとプロセッサの間をどれだけ速く移動できるかを示す。大規模言語モデルの推論では、多くの場合、モデルの重みと一時的なコンテキストデータへ高速にアクセスする必要がある。
学術研究もこのボトルネックの重要性を裏付けている。2026年のアクセラレータ・レビューは、自己回帰デコーディングを帯域幅制約型と説明し、データ移動を主要なエネルギーコストとして特定している。
これはEuclydの設計を実証するものではない。同社が実在する工学的課題に取り組んでいることを確認するにとどまる。
重要な指標は、単純な毎秒演算回数ではない。購入者は、ワット当たりの生成トークン数、負荷時の実用的なスループット、レイテンシ、モデル対応、総運用コストを考慮しなければならない。
利用率も結果を変える。アクセラレータはフル負荷時には効率的に見えても、トラフィックが不均一だったり、容量が遊休状態になったりすると、評価が低下する可能性がある。
別の2026年のアクセラレータ研究では、一部の代替プラットフォームのアイドル時消費電力がNvidiaおよびAMDのGPUより高かったことが判明した。その結論は、比較対象を限定したピーク仕様ではなく、現実的なワークロードによる統制された比較が必要である理由を浮き彫りにしている。
Euclydの売り込みは、協調設計によりこうした非効率を低減できるというものだ。コンピュート、メモリ、パッケージング、周辺システムを別個の製品として扱うのではなく、一つのプラットフォームとして設計する計画である。
このアプローチは、より広範なドメイン特化アクセラレータへの流れに通じる。こうしたチップは、汎用プロセッサよりも多くのシリコンを特定のワークロードに割り当てる。
特化は効率を高め得る一方で、トレードオフももたらす。ある実行パターン向けに最適化されたハードウェアは、モデル、数値フォーマット、ソフトウェア技法が変化した場合に優位性を失う可能性がある。
そのため同社は、効率性とプログラマビリティのバランスを取る必要がある。顧客は、Euclyd AIチップが頻繁な再設計なしに進化するモデルをサポートできるという証拠を求めるだろう。
また、成熟したソフトウェアも期待する。開発者がモデルのコンパイル、障害の診断、既存のオーケストレーションツールとのシステム統合に苦労するなら、高速なプロセッサの価値は限定的である。
これが、今回のラウンドの規模が戦略的に理にかなう理由だ。Euclydは、完成した設計が製造に入る段階であるチップのテープアウトだけに資金を供給しているのではない。
顧客がそのチップを使用できるだけの周辺プラットフォームを構築しようとしている。ソフトウェアとシステムの取り組みは、プロセッサ自体と同じくらい重要になる可能性がある。
Euclyd AIチップはメモリを軸にコンピュートを再構築する
Euclydが提案する優位性は、多数のプログラマブルプロセッサ、新しいメモリ設計、緊密に統合されたパッケージングを組み合わせることにある。
同社はプロセッサアーキテクチャをcraftwerkと呼んでいる。これは汎用GPUではなく、エージェント型AI推論向けに設計されたシリコンだと説明している。
Euclydが公表したCraftwerk仕様には、128ウェイの単一命令・複数データ実行を用いる16,384基のプロセッサが記載されている。SIMDでは、一つの命令が複数のデータ要素に同時に作用する。
同社はFP16で8ペタフロップス、FP4で32ペタフロップスの演算性能を主張している。FP16とFP4は、値を16ビットまたは4ビットで表現する数値フォーマットである。
低精度フォーマットは、スループットを高め、メモリ使用量を減らせる。ただしモデル品質にも影響し得るため、実用的な結果はソフトウェアがそれらをどのように適用するかに左右される。
Euclydは、これらのプロセッサをUltra Bandwidth Memoryと呼ぶものと組み合わせる。公表された設計では、容量は1テラバイト、メモリ帯域幅は毎秒8,000テラバイトとされている。
同社はこれらの数値について独立した検証を提示していない。また、外部の人々が性能予測を再現できるだけのアーキテクチャ詳細も公表していない。
提案されているチップパッケージには、先進的な2.5Dおよび3D統合が用いられる。これらのパッケージング手法は、コンポーネントをより近接して配置し、通信帯域幅を増やすとともに、一部のデータ移動を削減する。
Euclydはcraftwerkの熱設計電力を約3キロワットとしている。熱設計電力は熱および冷却に関する計画上の数値であり、すべてのワークロードにおける実測消費電力とは限らない。
同社のシステムレベルの提案はCraftwerk Station CWS 32と呼ばれる。これは32基のcraftwerkデバイス、16基のCPU、液冷を組み合わせる。
Euclydは、このシステムがFP4で1.024エクサフロップスに達し、提案するメモリを32テラバイト搭載すると主張している。熱設計電力は約125キロワットとされる。
これらの数値は、同社の効率性に関する主張に明確な仕組みを与える。より多くのローカルメモリと帯域幅は、モデルデータの移動に伴う遅延とエネルギーを削減するはずだ。
このアーキテクチャは、多数のプロセッサを稼働状態に保つことも目指している。利用率の向上は、理論上の演算能力を実際に提供されるトークンへと変換する助けになる。
Euclydは、複数ユーザーによるLlama 4 Maverickワークロードで毎秒2,500万トークンという予測を示している。同社はこの結果を、Nvidiaが公表した毎秒24万4,000トークンのシステム結果と対比している。
この比較をベンチマーク上の勝利と見なすべきではない。Euclydの数値は、まだ量産へ向かうハードウェアに関する同社の予測であり、参照されるNvidiaの結果は別の構成から得られたものだからだ。
ベンチマーク条件によって、二つの測定値が比較可能かどうかが決まる。モデル精度、バッチサイズ、入力長、出力長、レイテンシ目標、ソフトウェアのバージョンはいずれも、スループットを大きく変え得る。
公正な評価では、これらの変数を一定に保たなければならない。また、総トークン量だけでなく、応答レイテンシと精度も報告すべきである。
Euclyd AIチップが有望であり続けるのは、そのアーキテクチャがメモリ移動を直接の対象としているからだ。一貫した条件下で顧客が量産ハードウェアをまだ評価できないため、実証されていない状態でもある。
同社は製造に向けて一つの具体的な段階を踏んだ。2025年11月、韓国のデザインハウスADTechnologyとのシリコン開発パートナーシップを発表した。
ADTechnologyは、Samsung Foundryのプロセスを用いて設計を量産可能なシステムへと落とし込むことを専門としている。この提携によりEuclydは実装面での専門性を得るが、実行リスクがなくなるわけではない。
チップは機能仕様を満たしていても、目標とする動作周波数、消費電力、歩留まり、製造コストを達成できない場合がある。パッケージングや冷却も追加の制約となり得る。
ソフトウェアの準備状況も、もう一つの重要な関門だ。Euclydは、開発者が既存モデルをどのようにcraftwerkへ移行できるのか、また対応するフレームワーク、演算子、量子化手法を示さなければならない。
今回の資金調達により、同社はこの統合的な計画を前進させられる。仕組みがプレゼンテーションの外でも機能するかどうかは、製造されたシステムによって判断される。
NvidiaはEuclydがベンチマークで避けて通れない相手
Euclydが上回るべき相手は、静的なGPU仕様や旧世代のハードウェアではなく、継続的に進化するプラットフォームだ。
Nvidiaが最大の競合相手である理由は、同社がプロセッサ性能以上のものを掌握しているからだ。その強みはアクセラレータ、高速インターコネクト、ネットワーキング、最適化ライブラリ、デプロイメントツール、開発者の習熟度にまで及ぶ。
この既存ソフトウェア基盤は、顧客のリスクを抑える。チームは既知の開発プロセスを活用し、経験豊富なエンジニアを採用し、複数のクラウドプロバイダーにまたがって展開できる。
Euclydは、その環境の一部を離れることを正当化できるだけの経済的価値を提供しなければならない。わずかな効率改善では、移行や運用にかかるコストを相殺するのは難しい。
Euclydの開発期間中、この課題はさらに難しくなった。Nvidiaは、より特化した推論機能を自社の幅広いプラットフォームへ統合し続けている。
同社のRubin platformは、CPU、GPU、ネットワーキングプロセッサ、スイッチ、ストレージインフラを組み合わせる。NvidiaはGroq由来の推論技術もこのシステムに統合した。
Nvidiaによれば、Vera Rubin NVL72構成は、Blackwellプラットフォームと比べてワット当たり最大10倍の推論スループットを実現する。これはなおベンダー側の主張ではあるが、Euclydが追随すべき進化の速度を示している。
Groq 3 LPXシステムは、レイテンシに敏感なトークン生成を対象とする。コンパイラが管理するオンチップメモリと決定論的な実行を用い、ソフトウェアが予測可能な順序で処理をスケジューリングする。
この設計は、Euclydが特定した推論ボトルネックの一部を同様に攻めている。また、顧客にプラットフォーム全体の置き換えを求めるのではなく、Nvidia GPUと並んで導入できる。
ここに競争の核心がある。Euclydは統合型の代替案を提示する一方、Nvidiaは既存エコシステムを手放すことなく特化型コンポーネントを追加できる。
他社も圧力を強めている。Cerebrasはウェハースケールのプロセッサを開発し、クラウドや提携を通じて高速推論を提供している。
Groqは推論特化型アーキテクチャを開発し、Nvidiaへの技術ライセンス供与に先立ってクラウドサービスを通じて事業を拡大した。その歩みは、特化技術が利用しやすいインフラを通じて採用を得られることを示している。
クラウドで利用できることは、評価コストを下げるため重要だ。開発者はハードウェアを購入したり、冷却を計画したり、データセンター容量を確保したりせずにモデルを試せる。
Euclydは、これに匹敵する公開評価の経路をまだ説明していない。企業の購入者がAI推論効率を検証するには、システム、ホスト型インスタンス、またはリファレンス導入環境へのアクセスが必要になる。
ハイパースケーラーは、競争のもう一つの層を形成している。大手クラウド企業やAI企業は、特定のワークロード向けに独自アクセラレータを設計する動きを強めている。
例えばOpenAIとBroadcomは、2026年末までの初期導入を目指す推論特化型プラットフォームを発表した。この協業は、ワークロードに関する知見と、確立されたシリコンおよびシステムの専門性を組み合わせるものだ。
Euclydの欧州企業としての立ち位置は、地域の技術的選択肢を求める顧客にとって有利に働く可能性がある。政府はサプライチェーンの多様性、地域のエンジニアリング、重要インフラに対するより大きな統制を重視するかもしれない。
ただし、地理的な選好によって性能要件がなくなるわけではない。公共・民間を問わず購入者は、信頼性の高いハードウェア、サポートされたソフトウェア、予測可能な納入、競争力のある運用コストを依然として必要とする。
この文脈でSamsungの参加は戦略的に興味深い。Samsungは半導体製造、メモリ、パッケージング、エレクトロニクスをまたいで事業を展開しており、いずれもEuclydのプラットフォームと接点を持つ。
資金調達の発表では、Samsungの運用上の役割は明示されていない。追加の開示がない限り、投資を製造コミットメントや顧客注文と解釈すべきではない。
同じ注意はWenninkにも当てはまる。同氏のリーダーシップは同社のネットワークを強化するが、ASMLは投資家、製造パートナー、購入者として挙げられていない。
Euclydは、測定可能なシステム成果によって差別化を実証しなければならない。現行プラットフォームが進化を続けるなか、過去のNvidia製品だけをベンチマーク対象にすることはできない。
信頼できる比較では、同一のモデルと品質設定を現代的なシステム間でテストする必要がある。レイテンシ、スループット、エネルギー、ハードウェア台数、持続的な利用率を開示すべきだ。
ソフトウェア面の労力も含める必要がある。一方のシステムに広範なモデル変換やカスタムエンジニアリングが必要なら、そのコストも比較に含めるべきである。
EuclydのSeries A資金調達は、その証明を追求するための資源を提供する。競争の基準は、同社がそこへ到達しようとする間にも上がり続けるだろう。
2億ユーロが証明しないこと
この資金調達は投資家の関心を裏付けるが、Euclydの性能主張、生産スケジュール、顧客需要を裏付けるものではない。
最大の不確実性はハードウェアの状況にある。Euclydは2025年9月にアーキテクチャを発表した際、craftwerkは高度な設計段階にあると説明していた。
最新の資金調達発表では、この資金が開発を加速するとしている。量産チップが独立したテストを完了したとは述べていない。
この違いは、資金を得たロードマップと商業的に検証されたプラットフォームを分ける。半導体プログラムでは、アーキテクチャ、テープアウト、初回シリコン、認定、量産の間に遅延が生じることが少なくない。
製造歩留まりは一つのリスクだ。歩留まりは、ウェハー上のチップのうち必要な仕様を満たす割合を示す。
大型または複雑なパッケージは、経済性を保って製造するのが難しい場合がある。設計が高性能でも、認定に失敗するコンポーネントが多すぎればコストが高くなりすぎる可能性がある。
メモリも別のリスクである。EuclydのUltra Bandwidth Memoryは同社が主張する優位性の中核にあるように見えるが、実装に関する公開情報は限られている。
注目すべきなのは、示された容量と帯域幅が量産構成に適用されるかどうかだ。サプライヤー、パッケージング、信頼性、実現可能な生産量についても明確化が必要である。
電力に関する主張も、同様に慎重な検証が求められる。熱設計電力の数値だけでは、異なるモデル規模やトラフィックパターンにおける平均エネルギー消費は分からない。
関連する計算には、プロセッサ、メモリ、ネットワーキング、冷却、ホストシステム、アイドル容量が含まれる。データセンターの電力測定は、システム全体を対象にすべきだ。
モデル品質も性能主張を複雑にし得る。FP4でモデルを実行すればメモリ使用量を減らし、演算スループットを増やせるが、量子化は出力品質を変える可能性がある。
テストでは、同等の精度またはタスク品質を比較すべきだ。そうでなければ、より高速な構成は、別のシステムが避けている品質低下を受け入れることで結果を達成しているだけかもしれない。
Euclydのトークンスループット予測は、関連する疑問を投げかける。大規模バッチにおける総出力は、単一ユーザーが最初のトークンを受け取るまで、あるいは応答を完了するまでの速さを示さない。
エンタープライズアプリケーションの優先事項は異なる。オフラインでの文書処理ではスループットが有利になり得る一方、対話型コーディングや音声システムには一貫して低いレイテンシが求められる。
強力なプラットフォームは、どの領域で優位に立つかを説明しなければならない。普遍的な優位性の主張よりも、定義されたワークロードに紐づく結果の方が有用だ。
ソフトウェアは、おそらくシリコン以外で最大のリスクである。NvidiaのCUDA環境は長年にわたり、ライブラリ、ツール、ドキュメント、開発者経験を蓄積してきた。
Euclydは一般的なモデルアーキテクチャと本番フレームワークをサポートする必要がある。監視、セキュリティ、スケジューリング、障害、アップグレードにも対応しなければならない。
顧客は、既存モデルが大規模な修正なしに動作するかを尋ねるだろう。また、安定したコンパイラと、性能最適化のために文書化された手法を求める。
調達リスクも評価する。スタートアップは、システム、交換部品、サポートへのコミットメント、製品移行を乗り越えるロードマップを提供しなければならない。
投資家グループは、Euclydがこうした要請に応える助けとなり得る。Samsungは半導体の専門性を提供し、imec.xpandは同社を重要な研究ネットワークにつなぐ。
それでも、参加は技術認証と同義ではない。投資家がリスクを受け入れるのは、すべてのエンジニアリング上の主張がすでに確立されているからではなく、将来の価値を期待するからだ。
資金調達額は期待を高める可能性さえある。2億ユーロ超を調達した企業には、その資本に見合うマイルストーンを達成する圧力がかかる。
そのマイルストーンには、動作するシリコン、再現可能なベンチマーク、顧客評価、信頼できる製造計画を含めるべきだ。売上や拘束力のある受注は、追加の提携だけよりも強い証拠となる。
Euclydは、チップサプライヤーとインフラベンダーの間における自社の位置づけも説明すべきだ。完成システムを構築すれば統制力は高まるが、運用上の負担も拡大する。
ハードウェア導入、冷却統合、ネットワーキング、システムソフトウェア、長期保守を支援する必要が生じるかもしれない。それぞれの責任が、資本と経営陣の注意を消費する。
これは、その戦略が不健全であることを意味しない。AI推論効率をプロセッサの仕様だけで判断できない理由を説明している。
資金調達はEuclydに時間と資源を与える。証明は実行によってもたらされなければならない。
Euclydが競争できるかを示す3つのシグナル
量産に近い動作するシリコン、独立した比較、実際の顧客導入によって、Euclydが代替プラットフォームを構築したのか、それとも野心的なプロトタイプにとどまるのかが決まる。
最初のシグナルは、量産に近い動作するシリコンだ。Euclydは、craftwerkが製造から戻り、初期検証を完了する時期を開示すべきである。
初期シリコンがすべての最終目標を満たす必要はない。アーキテクチャが動作し、重要なコンピュート、メモリ、インターコネクト機能が設計どおりに振る舞うことを示す必要がある。
電力測定は特に重要になる。観測者は、単独コンポーネントの推定値ではなく、現実的なワークロードにおける壁コンセント基準の消費電力を見るべきだ。
Euclydが設計目標に近い結果を伴う動作シリコンを報告すれば、同社の仕組みに対する信頼は強まる。度重なるスケジュール変更や仕様の欠落は、それを弱めるだろう。
2つ目のシグナルは、独立して再現可能なベンチマークだ。最も有用なテストは、craftwerkを現行のNvidia、AMD、Cerebras、またはGroqベースのシステムと比較するものになる。
同一のモデル、精度設定、コンテキスト長、出力長、品質しきい値を使用すべきだ。結果はレイテンシ、スループット、エネルギー、利用率を網羅する必要がある。
旧世代のNvidiaハードウェアとの比較だけでは、限定的な証拠にとどまる。Nvidiaの現行推論システムこそが、関連性のある競争上の基準である。
第三者によるアクセスは、公表そのものと同じくらい重要だ。独立した研究所、顧客、ベンチマーク組織には、結果を再現できるだけのシステムアクセスが必要となる。
透明性の高い結果は、EuclydのAIチップをアーキテクチャ上の主張から評価済み製品へと変える。制限されたデモでは、中心的な不確実性が解消されない。
3つ目のシグナルは、意味のあるワークロードを運用する実名の顧客だ。パイロット導入は、ソフトウェア、サポート、統合が研究室の外でも機能することを示す。
最も強力な導入事例であれば、モデルの種類、サービス要件、システム規模、そして顧客がEuclydを選んだ理由を明らかにする必要がある。また、その取り決めが有償かどうかも明確にすべきだ。
エンタープライズ、政府、ハイパースケールのユーザーでは、求める基準が異なる。いずれのカテゴリーであっても導入に成功すれば、Euclydの初期市場を示す証拠となる。
政府支援の実証は地域需要を裏付ける可能性がある一方、商業的な採算性についてはほとんど分からないかもしれない。ハイパースケールでの導入は、信頼性と運用コストをより厳しく検証することになる。
この3つのシグナルは順番に現れる必要がある。実際に動作するシリコンが信頼できるベンチマークを可能にし、信頼できるベンチマークが顧客による導入判断を支える。
資本とリーダーシップは各段階を支援できるが、どの段階も代替することはできない。
EuclydのシリーズA資金調達は、なお注目に値する。欧州は重要な半導体製造装置と研究成果を生み出してきたが、世界的に著名なAIアクセラレータープラットフォームは比較的少ない。
Euclydは、そうした能力を急成長する推論市場へ結び付けようとしている。コンピュート、メモリ、パッケージング、システムを協調させるという同社の決定は、この取り組みに一貫した技術的な根拠を与えている。
同社はいま、その仮説を測定可能なものにする必要がある。読者は、プロモーション上の誇張表現ではなく、初回シリコンに関する開示、ベンチマークへのアクセス、実名で示された導入事例を追うべきだ。
開発者とインフラ購入者にとって、実務的な問いはシンプルである。Euclydは、許容できないソフトウェア上または導入上の摩擦を増やすことなく、有用なトークンのコストを下げられるのか。
同社が新たな資本を投じるなか、この3つのシグナルを注視したい。これらが揃えば、Euclydは信頼できる推論向けサプライヤーとなる。揃わなければ、2億ユーロは成果ではなく、野心の証拠にとどまるだろう。
